摘要
基于马尔可夫转移场的增材制造声信号特征处理方法,通过采集在电弧增材制造成形过程中产生的声信号,创建一个包含不同工艺参数下熔池质量特性的声信号数据集;对通过声信号探测器采集的声信号进行预处理;选取合适的声信号长度,所述信号通过马尔可夫转移场生成一个二维状态转移概率矩阵,并映射为二维图像表示;对所述图像打标签并划分成训练集、验证集和测试集;所述不同数据集图像加强后分别用于卷积神经网络提取特征、调整相关超参数和最后测试模型分类效果,最终实现电弧增材制造缺陷声信号特征提取分类。本发明通过采用马尔可夫转移场对声信号特有的时序变化和动态模式进行状态建模,使得卷积神经网络能学习其特有特征最终实现缺陷识别。
技术关键词
声信号探测器
图像分类模型
卷积神经网络模型
转移概率矩阵
信号特征提取
卷积神经网络提取特征
训练集
构建卷积神经网络
小波去噪算法
背景噪声
二维图像数据
图像增强
打标签
优化器
超参数
滑动窗口
系统为您推荐了相关专利信息
深度强化学习模型
网络带宽波动
场景
资源加载方法
语义关联度
智能阀门定位器
易燃易爆区域
光纤传感解调
光纤传感器
光纤温湿度传感器
隐马尔可夫模型
人控制方法
动作特征
卷积神经网络模型
多模态
学习优化方法
图像分类模型
样本
迁移学习策略
预训练模型
储能电站
热管理控制方法
深度神经网络
时间序列预测模型
卷积神经网络模型